機器學習訓練過擬合的解決辦法

過擬合 通俗一點地來說過擬合就是模型把數據學習的太徹底，以至於把噪聲數據的特徵也學習到了，這樣就會導致在後期測試的時候不能夠很好地識別數據，即不能正確的分類，模型泛化能力太差。例如下面的例子。 上面左圖表示size和prize的關係，我們學習到的模型曲線如右圖所示，雖然在訓練的時候模型可以很好地匹配數據，但是很顯然過度扭曲了曲線，不是真實的size與prize曲線。 解決方法： 1）重新清洗數據，

>>阅读原文<<